Danilo Soto
Founding Partner EREA Decisions Lab. Una División de EREA Consulting Group
Cada vez que trabajamos con un Retailer en la preparación de revisiones de categoría y de negocio con proveedores, nos encontramos con los mismos problemas: un producto se compra a distintos distribuidores, los nombres de marca tienen errores, el back margin vive fragmentado en archivos de Excel que nadie puede relacionar de manera confiable con los productos, proveedores y períodos que le corresponden. Las órdenes de compra, que parecen un registro limpio, suelen ser otro dato no confiable: órdenes que siguen abiertas y recepciones que no se pueden cruzar contra las condiciones comerciales.
Donde más se sienten los fallos es cuando el Retailer se sienta a negociar. Preparar un dossier analítico para una revisión comercial requiere consolidar ventas, márgenes, condiciones, back margin, cumplimiento de acuerdos y niveles de servicio. Normalmente, ese ejercicio suele ser manual, lento y difícil de reproducir. A esto se suma una complejidad adicional: cuando el proveedor pertenece a un grupo donde una empresa vende los productos, otra le compra servicios al Retailer y una tercera firma los acuerdos, consolidar la relación completa exige conectar entidades que el sistema trata como si no tuvieran nada que ver entre sí.
En ese contexto, el Retailer llega a la mesa de negociación con una posición más débil que la del proveedor. Cuando se intenta automatizar el dossier, el resultado no es un dossier confiable, sino uno que se ve confiable. Esa diferencia termina condicionando la discusión comercial.
Lo que muchas organizaciones entienden por gobierno de datos suele reducirse a definir conceptos: qué es un producto activo, qué es una orden de compra vigente, cómo se calcula el margen. Eso es necesario, pero no es suficiente. Definir conceptos sin decidir quién tiene autoridad sobre ellos, cómo se modifican, cómo se detectan errores y qué se corrige primero, es construir un glosario que la operación ignora.
En la práctica, estas tensiones aparecen cuando el dossier se usa para negociar y la conversación termina concentrándose en tres puntos. Primero, el alcance: qué ventas cuentan y cuáles quedan fuera, devoluciones, notas de crédito, ventas especiales y consignación. Segundo, el timing: en qué momento se reconocen condiciones y penalidades, devengado versus pagado, período de la venta versus período de la liquidación. Tercero, la evidencia: qué fuente se acepta como referencia cuando hay diferencias—el ERP, el portal del proveedor, la hoja de liquidación o los reclamos. Cuando estos criterios no están resueltos de antemano, la discusión se desplaza del resultado a la forma en que se construyó el número.
Las definiciones tampoco funcionan si no tienen un responsable claro. Ese es el punto en el que el problema deja de ser analítico y pasa a ser organizacional. El problema no aparece cuando todo encaja, sino cuando surge una excepción, un cambio o una discrepancia entre áreas; en ese momento, alguien tiene que decidir qué criterio aplica, con qué impacto y desde cuándo. En muchas organizaciones, esa decisión no tiene dueño: IT implementa lo que puede, el negocio ajusta lo que necesita, y las definiciones quedan atrapadas en ese espacio intermedio sin una autoridad que las sostenga en el tiempo.
En la práctica, esta falta de dueño se ve acentuada por cómo están diseñados los sistemas y los procesos. El negocio captura datos sin incentivos claros para hacerlo bien, ni consecuencias visibles por hacerlo mal; IT, por su parte, prioriza flexibilidad y velocidad de implementación, con pocos controles sobre lo que el usuario puede ingresar. La calidad queda desatendida.
Tampoco alcanza con definiciones y dueños si no existe un flujo para manejar cambios: un distribuidor deja de operar una marca y otra toma su lugar, un convenio se renegocia a mitad de año, un nombre de marca se corrige solo en algunos registros. Sin un proceso que defina solicitud, revisión, fecha efectiva y comunicación, los cambios ocurren igual, pero de forma desordenada. Meses después, los números dejan de cuadrar y nadie sabe por qué.
El flujo se completa con mecanismos de detección. Sin mecanismos que alerten cuando una definición se rompió, los errores se acumulan: productos asociados al distribuidor incorrecto, órdenes de compra abiertas durante meses o marcas con múltiples variantes suelen descubrirse recién cuando alguien arma un dossier y el tiempo ya no alcanza. Estas anomalías requieren reglas de detección, un registro y plazos claros de resolución.
Sin gobierno de datos, armar un dossier para un grupo de proveedores se vuelve un proyecto en sí mismo: el equipo comercial pide datos, analítica cruza fuentes, aparecen inconsistencias, se escalan y se aceptan compromisos por falta de tiempo. El resultado se usa, aunque sin una defensa sólida en la mesa.
En EREA Decisions Lab, entendimos esta oportunidad en nuestros clientes y desarrollamos un sistema que permite armar un dossier considerando todas estas variables.
Con gobierno de datos, el mismo dossier se arma consultando definiciones existentes y datos ya vinculados: los proveedores están asociados a su fabricante y a su grupo comercial, las marcas están estandarizadas, el back margin está distribuido y las entidades relevantes están conectadas. El equipo comercial dedica su tiempo a preparar la estrategia de negociación. Si alguien cuestiona una cifra en la mesa, la discusión es qué hacer con lo que el dato muestra, no si el dato es correcto.
Los problemas de datos no desaparecen: siguen existiendo errores de captura, cambios mal reflejados y excepciones. Lo que cambia es que hay un sistema para resolverlos—responsables claros, criterios definidos, controles que los detectan y flujos que los cierran. Ahí es donde el gobierno de datos deja de ser un concepto y se vuelve una ventaja operativa.
“Retail is Detail” y sin gobierno de datos, construir un “Dossier de negociación” preciso, no es posible
Un error común es pensar que todo esto debe estar resuelto antes de empezar. En la práctica, el gobierno se construye en el camino, pero la secuencia importa: empezar por el dominio donde la falta de gobierno genera mayor costo y expandir desde ahí es lo que funciona. En la práctica, los intentos de gobernar todo desde el inicio tienden a diluirse.
La tecnología puede ayudar, pero no reemplaza estas decisiones. Un agente de IA operando sobre datos ambiguos no decide mejor: solo ejecuta más rápido las mismas inconsistencias. Las herramientas terminan reflejando el estado de gobierno que ya existe.
En EREA Consulting Group llevamos más de 18 años trabajando con Retailers en América Latina. Lo que vemos es que el gobierno de datos no entra en la agenda hasta que algo importante falla, y en Retail lo importante casi siempre es una negociación. Una forma simple de entender dónde está una organización es intentar armar hoy un dossier de proveedor con lo que tiene; el tiempo que toma y la confianza que genera ofrecen una señal clara de la situación.
En Retail, el estado del gobierno de datos siempre se revela cuando hay que sentarse a negociar.
